永磁同步电机伺服系统作为机器人、数控机床、医疗设备、电子制造设备等高端装备的基础部件,其运动性能直接决定了高端装备综合性能指标。然而,应用对象日益增长的综合性能需求,迫切期望伺服系统控制策略不仅能有效处理状态耦合、参数时变、负载扰动、执行器饱和与延时等多约束条件,实现系统的闭环稳定,还需确保系统在多种目标性能（如鲁棒性、响应速度及跟踪精度等）上达到设定约束指标。针对上述多约束多目标,传统伺服控制方法难以实现高速高精运动控制需求。为此,本文从模糊控制器设计、模糊控制增益优化等方面展开系统化研究,并考虑到伺服系统结构和参数的不确定性,根据能否获得被控系统模型,分别提出了基于模型的和无模型的多目标性能约束模糊控制策略;旨在通过设计恰当的模糊控制律,使永磁同步电机伺服系统在平稳运行的同时,满足精度、响应速度、抗扰动等方面的多种性能约束。论文的主要工作和贡献介绍如下。可辨识模型的伺服系统在时变有界扰动、执行器饱和、未建模动态等因素影响下,存在难以兼顾稳定性、鲁棒性和跟踪性能的问题,为此,提出了基于模型的自适应Pareto最优模糊控制方法。首先,基于T-S模糊模型,构建了模糊状态反馈控制器及模糊决策器,确保了系统在时变作业任务下能自动切换至稳定工作状态。然后,设计了多目标优化器用于预整定控制增益,在满足执行器饱和约束的同时,获得了Pareto最优H2/H∞性能。最后,为降低系统的保守性,基于隶属函数相关分析和参数化线性矩阵不等式,松弛了多目标优化器的设计条件。针对伺服系统在无精确模型可依赖时的稳定跟踪问题,提出了无模型的自适应模糊PI控制方法,处理执行器饱和、输入延时、不确定性扰动等约束条件,确保系统在闭环稳定的同时实现预定的H∞鲁棒性能。其中,设计了预测-模糊-PI的复合控制结构,包括设计了抗饱和PI控制器来驱动系统跟踪目标轮廓;提出了自适应模糊调谐器在线调度控制增益,应对系统的不确定性扰动,并通过实时自调谐输入域,强化了通用模糊规则的调度能力;结合预测函数控制方法,实现了控制信号预调节,提升了输入约束伺服系统的动态跟踪控制性能。此外,借助D分解理论,提出了基于频率响应数据驱动的控制增益预定整定规则,保证了伺服系统的全局渐近收敛性和H∞抗干扰性能。高性能伺服系统常被要求在响应时间、超调量或积分误差等暂稳态性能指标上实现最优值或预定值。鉴于此,研究了基于多目标性能约束的模糊控制增益优化算法。对于基于模型系统的优化,提出了竞争多目标蝙蝠算法;其中,基于成对竞争策略设计了具有快速收敛能力的竞争蝙蝠算法,并基于设计的部落竞争机制,结合遗传算法实现了种群收敛性和多样性的动态平衡。针对无模型系统的优化,提出了数据驱动约束蝙蝠算法;其中,先设计了基于梯度的深度优先搜索策略处理与伺服系统安全相关的严格约束,后提出了保留突变的边界约束处理机制、集成ε约束处理的改进蝙蝠算法,在安全的可行域内快速探索满足预定性能约束的最优解。实验结果显示所提算法相比于业内代表性算法,具备显著优势,在处理多目标控制增益优化问题中更具实用性。利用自主研发的伺服驱动器和上位机伺服调谐平台,搭建了具有广泛应用场景的永磁同步电机伺服系统实验平台,包括可辨识机理模型的单惯量刚性连接伺服系统、模型不确定的双惯量柔性连接伺服系统。基于此,针对具备普适性的作业任务和性能目标,对所提多目标性能约束模糊控制策略的关键技术进行了实时运动控制实验,实验结果证明了所提策略的有效性、优越性及适用性。